Coste de contexto en agentes IA: cómo medir prompts y llamadas a herramientas
Guía práctica para medir y optimizar los costes de contexto en agentes de IA de múltiples pasos: perfiles de herramientas, medición de baseline y control.
Al construir agentes autónomos de IA (Claude Code, Cline, Roo Code o pipelines personalizados de múltiples pasos), los equipos de ingeniería a menudo afrontan un incremento desproporcionado en sus facturas de API. La causa principal radica en la propagación acumulativa del contexto: en cada iteración del bucle de razonamiento, el modelo vuelve a leer las instrucciones del sistema, las definiciones completas de herramientas (tool schemas), el historial de conversación y las respuestas de las funciones ejecutadas.
Para mantener los costes bajo control sin comprometer los resultados, es fundamental registrar una línea base (baseline) sobre una tarea definida y optimizar el entorno de agentes variando un parámetro a la vez.
Anatomía del contexto de un agente IA: dónde se consumen los tokens
En cada paso de ejecución, la ventana de contexto de un agente se compone de cuatro elementos principales:
- Instrucciones del sistema (System Prompt): Pautas de desarrollo, restricciones de seguridad y directrices globales.
- Esquemas de herramientas (Tool Schemas): Especificaciones JSON de todas las funciones disponibles. Al proporcionar 20 herramientas, su definición se reenvía en cada turno, sumando entre 3.000 y 15.000 tokens de entrada repetidos.
- Historial de mensajes: Registro continuo de las peticiones del usuario y las respuestas intermedias del modelo.
- Salidas de ejecución (Tool Outputs): Contenido de archivos leídos, volcados de terminal y respuestas de endpoints.
En una tarea de 10 pasos, un contexto base de 15.000 tokens se factura 10 veces como tokens de entrada si no se aplica prompt caching.
Tabla comparativa de fuentes de contexto y métodos de optimización
Guía paso a paso: medir la baseline y optimizar costes
Aplique esta metodología de prueba con variable única para su infraestructura:
Paso 1. Definir una tarea de control reproducible
Seleccione un escenario de programación estándar con criterio de aceptación automatizado (por ejemplo: «localizar una función de validación en el repositorio, implementar un caso límite y ejecutar los tests unitarios con éxito»).
Paso 2. Medir la Baseline (Entrada, Salida, Caché)
Ejecute la tarea con la configuración estándar del agente y registre en su panel:
- Número de pasos completados (ej. 10 iteraciones);
- Volumen de tokens de entrada (ej. 150.000 tokens);
- Volumen de tokens de salida (ej. 2.500 tokens);
- Lecturas en caché (cached tokens);
- Gasto total según las tarifas activas.
Por ejemplo, con una tarifa de 0,45 por ejecución.
A fecha de 2026-08-22, las tarifas vigentes por 1M de tokens están disponibles en la página de precios de BetterToken. El panel BetterToken Dashboard desglosa el consumo por petición de forma transparente.
Paso 3. Modificar una sola variable por experimento
Realice pruebas independientes alterando un único parámetro por ejecución:
- Experimento A (Filtrado de herramientas): Proporcione solo 3 herramientas básicas (read_file, replace_content, run_test) en lugar de 15 genéricas (ahorro de hasta 8.000 tokens por paso).
- Experimento B (Truncado de salidas): Limite los registros del terminal a las primeras 50 líneas del error en lugar de 2.000 líneas completas.
- Experimento C (Prompt Caching): Fije el orden del prompt del sistema y las herramientas al inicio para reducir el coste de lectura en caché a unos $0,30 por millón de tokens.
Paso 4. Evaluar el ahorro frente a la calidad del código
Compare las métricas con la baseline inicial. Si la tasa de éxito de los tests se mantiene y los tokens de entrada disminuyen entre un 40% y un 60%, aplique la configuración a producción.
Recomendaciones de arquitectura para agentes
- Utilizar subagentes especializados: Evite otorgar todas las herramientas al agente principal. Emplee subagentes de solo lectura para la fase de análisis.
- Mantener prefijos de prompt estables: Sitúe las instrucciones fijas al principio para maximizar el prompt caching (hasta un 90% de descuento en lectura de contexto).
- Configurar límites máximos de iteración: Establezca un tope de pasos (ej. 15 pasos) para detener bucles de reintentos innecesarios.
Errores habituales y precauciones
- Error: Omitir esquemas esenciales. Recortar excesivamente las especificaciones de las herramientas genera salidas JSON inválidas y repeticiones.
- Error: Confiar en cifras genéricas de redes sociales. El ahorro efectivo varía según la densidad del código y el tamaño del repositorio.
- Error: Falta de telemetría detallada. Consulte la documentación de BetterToken para asegurar el envío correcto de cabeceras y la supervisión del consumo.